Founding Researcher

机会

如今大部分代码由编程智能体编写。瓶颈已经从敲代码转移到了它周围的一切：观察、监控、调试、定位根因、on-call、判断什么可以安全上线。软件生命周期正在坍缩为两半。一半是意图，另一半是执行。执行这一半不该这么难。

我们在构建Polylane：让开发者交付自我运维软件的平台。这种软件在生产环境中监视自己、调查问题、找出根因，并在有人被叫醒之前发布修复。自己运维自己的软件。

除非智能体值得信任，否则这一切都行不通。这个角色的目标是改进自我运维软件背后的模型和harness。难点不在于让模型提出一个修复方案；而在于凭经验数据知道智能体何时是对的、何时在猜，以及如何一次又一次地推进这条边界。这是在生产环境中做研究：你的实验会上线到真实的工作区，反馈周期以天计，而不是以会议周期计。

你将做什么

• 改进模型本身：在真实运维数据上做后训练，让它们每一次运行都能更好地调查生产系统。
• 改进harness：智能体循环、工具和上下文，让同一个模型在同一次故障上走得更远。
• 构建评估harness，用真实生产故障的基准事实为智能体的调查打分。
• 开展上下文工程实验：在简报、记忆和检索之间，注入什么、何时注入、注入多少。
• 研究使用工具的智能体在长周期运维任务上的失败模式，并把它们变成修复。
• 在内部发表，在能让我们更敏锐时也对外发表。

我们在寻找什么

你应该发布过LLM系统，并认真地度量过它们，而不只是演示和感觉。你精通评估方法论：构建数据集、定义指标、避免污染。

你能用TypeScript或Python写出生产级代码，不需要研究工程师帮你上线。你对智能体的可靠性、接地和上下文窗口有自己的看法，并有实验支撑。

当答案是“我们还不知道”时你能坦然面对，并且严谨地去找出答案。

Coreplane Labs是谁？

一支小团队，也是Polylane背后的公司。我们曾在Cloudflare的规模上运维，在那里构建了每天被数百万开发者使用的可观测性平台。我们以编写、运维和搞坏生产系统为生，做了很多年。

Coreplane是接下来的事。总部在旧金山。我们线下办公。